Come calcolare la somiglianza di jaccard in python

L’ indice di somiglianza Jaccard misura la somiglianza tra due set di dati. Può variare da 0 a 1. Più alto è il numero, più simili sono i due insiemi di dati.

L’indice di somiglianza di Jaccard è calcolato come segue:

Somiglianza di Jaccard = (numero di osservazioni in entrambi gli insiemi) / (numero in entrambi gli insiemi)

Oppure, scritto in forma di notazione:

J(A, B) = |A∩B| / |A∪B|

Questo tutorial spiega come calcolare la somiglianza di Jaccard per due set di dati in Python.

Esempio: somiglianza con Jaccard in Python

Supponiamo di avere i seguenti due insiemi di dati:

 import numpy as np

a = [0, 1, 2, 5, 6, 8, 9]
b = [0, 2, 3, 4, 5, 7, 9]

Possiamo definire la seguente funzione per calcolare la somiglianza di Jaccard tra i due insiemi:

 #define Jaccard Similarity function
def jaccard(list1, list2):
    intersection = len(list(set(list1).intersection(list2)))
    union = (len(list1) + len(list2)) - intersection
    return float(intersection) / union

#find Jaccard Similarity between the two sets 
jaccard(a, b)

0.4

La somiglianza Jaccard tra le due liste è 0,4 .

Tieni presente che la funzione restituirà 0 se i due insiemi non condividono valori:

 c = [0, 1, 2, 3, 4, 5]
d = [6, 7, 8, 9, 10]

jaccard(c, d)

0.0

E la funzione restituirà 1 se i due insiemi sono identici:

 e = [0, 1, 2, 3, 4, 5]
f = [0, 1, 2, 3, 4, 5]

jaccard(e, f)

1.0

La funzione funziona anche per insiemi contenenti stringhe:

 g = ['cat', 'dog', 'hippo', 'monkey']
h = ['monkey', 'rhino', 'ostrich', 'salmon']

jaccard(g, h)

0.142857

Puoi anche utilizzare questa funzione per trovare la distanza Jaccard tra due insiemi, che è la dissomiglianza tra due insiemi e viene calcolata come 1 – Somiglianza Jaccard.

 a = [0, 1, 2, 5, 6, 8, 9]
b = [0, 2, 3, 4, 5, 7, 9]

#find Jaccard distance between sets a and b
1 - jaccard(a, b)

0.6

Correlati: Come calcolare la somiglianza di Jaccard in R

Fare riferimento a questa pagina di Wikipedia per saperne di più sull’indice di somiglianza di Jaccard.